화려한 Job Title보다 내가 하는일이 더 중요한 이유

"AI Engineer, Applied Scientist, ML Engineer, LLM Engineer, ..."

요즘 링크드인이나 채용공고를 보면 매일같이 새롭고 화려한 직함들이 등장한다. 이런 걸 보다 보면 우리는 종종 '본질'보다 '이름'에 마음을 뺏기곤 한다.

나는 커리어 초반에 'Data Scientist' 직함만 보고 입사했다가 현실의 벽에 부딪혔던 경험이 있다. 복잡한 ML 모델링 개발을 기대했으나 막상 맡게 된 일은 데이터 분석 인프라를 구축하는 디지털혁신(DT) 업무였다. 이름은 Data Scientist였지만 하는 일은 데이터 기획자에 가까웠다.

이처럼 타이틀과 실제 업무 사이에는 생각보다 큰 괴리가 존재할 수 있다. 그래서 잡 타이틀보다는 '담당 업무'를 꼼꼼히 확인하는 것을 추천한다. 특히 면접에서는 직접적인 업무 내용뿐만 아니라 조직의 maturity와 support system을 파악할 수 있는 질문을 던지는 것이 중요하다. (간접적으로 파악할 수 있는 것들이 많기 때문이다)

내가 실제로 활용해 온 질문 몇 가지를 공유한다.

"현재 분석 관련 사용 중인 Data Tech Stack에 대해서 알려주세요." -> 단순히 분석 툴을 확인하는 게 아니다. 클라우드 기반의 데이터베이스, ETL 파이프라인이 갖춰져 있는지 아니면 엑셀과 수작업 위주인지 확인하여 분석 환경의 성숙도를 파악할 수 있다.

"분석 조직의 규모, 그리고 데이터 엔지니어와 데이터 분석가의 비율은 어느 정도인가요?" -> 엔지니어링 리소스가 부족하면 입사 후 분석보다 ETL / 데이터 추출 같은 기초 작업에 대부분의 시간을 쏟게 된다. 이 질문 하나로 팀 구조와 역할 분담을 쉽게 알 수 있다.

"최근에 데이터 팀이 비즈니스 의사결정에 기여한 대표적인 성공 사례가 있다면 알려주실 수 있나요?" -> 구체적인 숫자는 몰라도 된다. 답변이 "주간 리포트를 자동화했다" 정도라면 아직 초기 단계이고 "분석 결과를 통해 마케팅 타겟을 바꿔 지표의 효율을 높였다"라면 분석이 실제 액션으로 연결되는 어느 정도 성숙한 조직임을 알 수 있다. 조직이 데이터를 얼마나 활용하고 있는지가 핵심이다.

면접은 회사가 나를 평가하는 자리이기도 하지만, 내가 회사 및 직무 fit을 평가하는 자리이기도 하다. 잡 타이틀에만 집중하지 말고 회사에서 정말 어떤 역할을 기대하는지 파악해 보길 추천한다.